Cómo crear un plan de muestreo de múltiples vari seis sigma

Multi-vari utiliza un plan de muestreo de datos específica, que destaca gráficamente la causa principal variación en la característica de salida de su proceso de Six Sigma mientras que permite el proceso para operar en su forma normal y sin necesidad de interrupciones del proceso. La principal causa de la variación de salida está aislado en tres categorías:

• Posicional

• Cíclico

• Temporal

Cuando usted sabe qué categoría de variación domina la salida de su proceso, usted puede concentrarse en los factores potenciales que caen en esa categoría y eliminan los factores que pertenecen a las otras categorías. Si usted encuentra que la mayor variación en su salida del proceso que viene de una fuente temporal, puede descontar todos los factores que son posicional o cyclical- la verdadera causa raíz debe ser un factor temporal.

Variación posicional

los variación posicional categoría se denomina a veces dentro de la variación unidad. Eso es porque está definida por la magnitud de la variación que viene de dentro de una sola unidad. Las diferencias entre estas mediciones son evidencia de que un factor de variación posicional está influyendo en la salida del proceso.

Puede que tenga que definir un " unidad " de forma diferente para diferentes situaciones de proceso. El requisito básico para una unidad es que la característica de salida debe ser medibles varias veces en diferentes puntos de la unidad. Eso puede ser la medición de la misma característica en diferentes lugares de la unidad.

Variación cíclica

los variación cíclica categoría se denomina a veces entre la variación unidad. Se define por la magnitud de la variación que se produce entre unidades consecutivas tomadas del proceso. Gran variación entre las unidades de significa que el rendimiento de los procesos de conducción factor debe ser uno que entra en la categoría cíclico. En el ejemplo del eje, la magnitud de la variación que se observa en los diámetros entre ejes producidos consecutivamente una variación cíclica.

Variación temporal

los variación temporal categoría se denomina a veces variación en el tiempo-a-tiempo. Cuando nos fijamos en la magnitud de la variación entre los segmentos del proceso separados por una cantidad significativa de tiempo, es decir la variación temporal. Si este tipo de variación es grande, el rendimiento de los procesos de conducción factor debe ser uno que pertenece a la categoría-temporal de lo contrario, el factor debe ser de otra categoría.

Aquí está el procedimiento paso a paso para la extracción de datos intermitentes de un proceso en ejecución:

1. Seleccione o establecer una medición de datos de tipo continuo del rendimiento de salida del proceso.

   Esta escala puede ser en unidades de tiempo, dólares, pulgadas, gramos, pero sea lo que sea, tiene que ser un tipo de datos continuo.

2. Explora los valores históricos de la métrica de salida seleccionado para entender lo que la magnitud de la variación ha estado en el proceso.

   Después de comenzar el muestreo multi-vari de su proceso, continúa hasta que usted ha observado aproximadamente la misma magnitud de la variación que ha visto históricamente. De esa manera, usted puede estar seguro de haber supervisado el proceso el tiempo suficiente para haber capturado la actividad de los factores de entrada que está impulsando la variación en la salida del proceso.

3. Definir lo que constituye una unidad en su estudio multi-variable.

   Recuerde que su unidad definida debe permitir que dos o más mediciones de la salida del proceso en diferentes " localizaciones " dentro o en la unidad.

4. Suma de dos a cinco mediciones desde dentro de la unidad definida en el paso 3 en tres a cinco unidades consecutivas.

5. Permitir un tiempo para pasar - lo suficiente que los factores potenciales tienen la oportunidad de ejercer una nueva influencia en el proceso.

6. Repita los pasos 4 y 5 en tres a cinco intervalos consecutivos de unidades hasta que haya capturado al menos el 80 por ciento de la variación del proceso histórico.

   Simplemente comparar el rango de los datos históricos para el rango de los datos multi-vari. Si son aproximadamente iguales, que ha capturado suficientes datos multi-variable. Si no es así, mantener la recolección.

7. Crear un gráfico multi-variable y analizar e interpretar el gráfico de una fuente primaria de variación.